Factors predicting failure of <scp>AV</scp> “fistula first” policy in the elderly
Notice bibliographique
Résumé
An arteriovenous fistula (AVF) is the preferential hemodialysis (HD) access. The goal of this study was to identify factors associated with pre-dialysis AVF failure in an elderly HD population. We used United States Renal Data System + Medicare claims data to identify patients ≥ 67 years old who had an AVF as their initial vascular access placed pre-dialysis. Failure of the AVF to be used for initial HD, was used as the outcome. Logistic regression model was used to identify factors associated with AVF failure. The study cohort consisted of 20,360 subjects (76.2 ± 6.02 year old, 58.5% men). Forty-eight percent of patients initiated dialysis using an AVF, while 52% used a catheter or an AVG. The following variables found to be associated with AVF failure when an AVF was created at least 4 months pre-HD initiation: older age (odds ratio [OR] 1.01; 95% confidence interval [CI] 1.00-1.02), female gender (OR 1.69; 95% CI 1.55-1.83), black race (OR 1.41; 95% CI 1.26-1.58), history of diabetes (OR 1.22; 95% CI 1.06-1.39), cardiac failure (OR 1.26; 95% CI 1.15-1.37), and shorter duration of pre-end-stage renal disease (ESRD) nephrology care (OR for a nephrology care of less than 6 months prior to ESRD of 1.22 compared with a pre-ESRD nephrology follow up of more than 12 months; 95% CI 1.07-1.38). OR for AVF failure for the entire cohort showed similar findings. In an elderly HD population, there is an association of older age, female gender, black race, diabetes, cardiac failure and shorter pre-ESRD nephrology care with predialysis AVF failure.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».